多模态地点识别提出选择性传感器采集方法
Selective Sensor Acquisition for Multimodal Place Recognition
AI 摘要
昆士兰科技大学团队提出选择性传感器采集策略:用户设定第二传感器的使用率目标,只有当主传感器的性能估计不足时,系统才采集额外的传感器,并通过在线阈值调整达成目标使用率,且无需针对模态、识别方法或环境做专门标定。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
Selective Sensor Acquisition for Multimodal Place Recognition
AI 摘要
昆士兰科技大学团队提出选择性传感器采集策略:用户设定第二传感器的使用率目标,只有当主传感器的性能估计不足时,系统才采集额外的传感器,并通过在线阈值调整达成目标使用率,且无需针对模态、识别方法或环境做专门标定。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
研究团队提出 CoopDistill,一种由势博弈均衡引导的多智能体策略蒸馏框架,用于协同驾驶。该方法以势博弈给出固定路径的纵向参考,残差多智能体强化学习策略在其周围学习纵向加速度、冲突接近时机与横向路径修正,并借助硬约束保障执行安全;再通过蒸馏把联合策略转为可执行策略,改善探索效率与多车协同的可靠性。
IEEE/RSJ 智能机器人与系统国际会议(IROS 2026)于 9 月 27 日至 10 月 1 日在匹兹堡举行。IEEE 现已公开全部主旨演讲与全体讨论录像,内容覆盖自主手术、人机共处情境感知、软体与生物启发机器人、操作系统的前沿押注、部署后持续学习、灾害机器人等,另含创业、太空等专题讨论及开闭幕与颁奖环节。
研究者提出 JEPTERA,将联合嵌入预测架构(JEPA)与模型预测控制、PID 控制和安全层结合:JEPA 预测无人机对候选指令的运动响应,以辅助 MPC 选择动作;安全层再依据占据空间和预测出的障碍物运动来校验轨迹。在三个 gym 场景的共 180 次消融实验中,完整架构在 30 次运行中成功 28 次,成功率最高。
日本研究者 Fumihiko Asano 与 Cong Yan 提出一种髋关节带机械限位的平面 X 形步行器,分析恒定扭矩下坡驱动产生的轮步态。机器人仅靠前倾、借助限位约束到目标冲击姿态,即可生成高度稳定的轮步态;论文进一步分段揭示该机械约束提升稳定性的机理。